# Cambrian-BEV, 조감도 토큰으로 동영상 추론 속도 높여

> 새 토큰화 방식은 동영상 128프레임을 공간 토큰 729개로 압축해 LLM의 프리필 시간을 2.9배, 메모리 사용량을 3.6배 줄인다.

Oossa · 2026-10-19 · https://oossa.com/ko/cambrian-bev-speeds-up-video-reasoning-with-bird-s-eye-view-tokens

연구진은 동영상의 시각적 패치를 공통된 조감도(BEV) 격자에 매핑하는 방식인 Cambrian-BEV를 선보였다. 깊이 정보와 카메라 자세를 활용해 시점이나 시간과 관계없이 같은 장소를 담은 관측 정보를 하나로 합친다. 모델 아키텍처는 그대로 두고 프레임 토큰을 27×27 BEV 토큰으로 대체한다. VSI-Bench 테스트에서 63.48점을 기록해 프레임 토큰을 사용하는 기준 모델보다 8.5점 높은 점수를 얻었으며, 토큰 수는 훨씬 적게 사용했다.

## 팩트

- 128프레임 → BEV 토큰 729개(27×27 격자)
- 프리필 시간 2.9배 단축, 최대 메모리 사용량 3.6배 감소

## 왜 중요한가

공간을 더 정확하게 추론하면서도 더 빠르고 가벼운 동영상 기반 AI 비서를 개발할 수 있다.

## 출처 및 참고 자료

1. [Thinking from Above: Efficient Spatial Reasoning with Bird's-Eye-View Visual Tokens](https://arxiv.org/abs/2610.22700) – arXiv cs.CV, 2026-10-19

최종 업데이트: 2026-10-19